Ordonnancement dans les réseaux 802.15.4e TSCH

Le problème d’ordonnancement a déjà suscité l’intérêt pour la recherche sur les réseaux TDMA comme indiqué dans la littérature (Ergen & Varaiya (2010)). Malgré cela, la plupart des sys- tèmes d’ordonnancement multi-canaux existants ne conviennent pas aux réseaux TSCH. Ils n’ont pas été conçus pour des nœuds aux capacitées limitées, n’autorisent pas le saut de canal par paquet et ne sont pas efficaces en termes d’utilisation de canal. Les chercheurs ont donc conçu de nouveaux algorithmes d’ordonnancement conçus pour les réseaux TSCH. Il existe des différentes approches, qui pourraient être utilisées pour établir l’ordonnancement.

Le standard IEEE 802.15.4-2015 en mode TSCH autorise les couches supérieures à créer des délais que, tous les noeuds doivent respecter. Cela permet aux noeuds de se communiquer en multi-saut, ainsi rendant le flux d’information du point initial jusqu’au point de collecte

24

plus facile et rapide. Un noeud implémente son ordonnancement globalement et localement en allouant des cellules à chaque flux respectif pour aider au partage des cellules contenant l’in- formation entre les clients. Les ordonnancements peuvent être classifiés en tant que centraux, distribués et autonomes.

1.5.1 Ordonnancement centralisé

Dans une approche centralisée, un seul nœud coordinnateur est responsable de la planification et de la construction de toute la communication, ainsi que du maintien de l’ordonnancement du réseau. Le planificateur peut être un ordinateur centralisé appelé Path Computation Element (PCE) (Farrel (2006)). Nous allons décrire ici des solutions d’ordonnancement centralisées les plus importantes proposées pour les réseaux TSCH.

Palattella et al. ont proposé l’algorithme TASA (Traffic Aware Scheduling Algorithm), un algo- rithme d’ordonnancement centralisé pour les réseaux IEEE 802.15.4e à mode TSCH (Palattella et al. (2012)). Cette solution considère une topologie de réseau en arborescence et se concentre sur un scénario de convergecast, où différentes quantités de données doivent être fournies au noeud coordinateur. L’objectif principal de TASA est de créer le meilleur ordonnancement, en minimisant le nombre de slots requises pour transmettre toutes les données au coordinateur. Cet ordonnancement peut être obtenu par le processus de matching and coloring. À chaque ité- ration, la méthode TASA implémente l’algorithme matching pour sélectionner un ensemble de liens éligibles pour ordonnancer dans le même timeslot. Ensuite, un algorithme de coloration de vertex assigne les différents channel offsets pour chaque lien sélectionné dans le processus précédent. En outre, les auteurs ont constaté qu’utiliser davantage de canaux pouvait améliorer le débit du réseau, réduire le temps de latence et réduire considérablement la consommation d’énergie.

Les auteurs de (Soua et al. (2012)) ont conçu la méthode MODESA (Multi-channel Optimized Delay Time Slot Assignment). À l’inverse de TASA, MODESA cible des conditions de trafic homogènes où tous les nœuds génèrent le même nombre de paquets. Dans TASA, un ordonnan-

25

cement sans conflit est construit à l’aide d’une procédure itérative. À chaque itération, TASA sélectionne un certain nombre de liens et organise leurs transmissions dans le même timeslot, en utilisant plusieurs channel offsets, si nécessaire. La méthode MODESA sélectionne un seul nœud et choisit un lien unique pour prendre en charge l’une de ses transmissions obligatoires. De plus, MODESA réduit la congestion des files d’attentes en ordonnançant d’abord les nœuds qui ont plus de paquets dans leur buffer, alors que TASA ne prend pas en compte la congestion dans les files d’attente. Dans (Soua et al. (2013)), Soua R et al. ont amélioré et élaboré cette approche pour prendre en charge le trafic hétérogène, ainsi que les coordinateurs multiples. Jin et al. ont proposé une méthode d’ordonnancement adaptative, centralisée et multi-saut (AMUS) qui est basée sur le mode TSCH (Jin et al. (2016)). Les auteurs ont implémenté leur solution au niveau de l’unité PCE située sur le réseau principal et ont utilisé un protocole de couche d’application légère (le protocole CoAP) pour collecter les informations nécessaires au calcul de l’ordonnancement. La méthode AMUS permet à une séquence de planification multi-saut (MSS) de fournir une faible latence et alloue des ressources supplémentaires aux liens vulnérables afin de réduire considérablement le délai causé par des interférences ou des collisions. Cette solution surpasse TASA, car elle permet d’améliorer la fiabilité de la commu- nication et aussi d’obtenir une latence extrêmement faible.

Dans (Ojo & Giordano (2016)), Ojo et Giordano ont formulé le problème d’ordonnancement en un problème de maximisation de débit et le délai en un problème de minimisation. Ils ont proposé d’utiliser la théorie des graphes basée sur la théorie des correspondances pour résoudre le problème de maximisation du débit de manière centralisée. Les résultats montrent que la solution proposée atteint un très haut débit. Le même problème a été formulé en un problème de maximisation de l’efficacité énergétique dans (Ojo et al. (2017)). Dans cet article, les auteurs ont proposé un planificateur à efficacité énergétique réduite (Energy Efficient Scheduler EES) qui performe mieux que Round Robin Scheduler (RRS) en termes d’efficacité énergétique, tout en garantissant un débit de transfert de données amélioré.

26

1.5.2 Ordonnancement distribué

À l’inverse de l’ordonnancement centralisé, les solutions distribuées ont tendance à être plus robustes face aux changements, sans prendre aucune hypothèse a priori sur la topologie de réseau ou sur le volume de trafic à transmettre. Lors de l’implémentation d’une approche dis- tribuée, chaque nœud négocie avec les noeuds voisins et décide localement des liens à planifier avec ces derniers.

L’ordonnancement basée sur le trafic décentralisé (Decentralized Traffic Aware Scheduling DeTAS) est la version distribuée de la méthode TASA (Accettura et al. (2013)). Cette mé- thode s’adresse aux réseaux multi-coordinateurs. Par conséquent, elle fait recours au micro- ordonnancement combiné pour créer l’ordonnancement global. Pour éviter les interférences, chaque micro-ordonnancement utilise un ensemble de canaux dédiés. La méthode DeTAS a été comparé à TASA et les résultats obtenus montrent que le premier offre une meilleure gestion des files d’attente. En outre, DeTAS garantit des performances élevées en termes de rapport cy- clique, de délai de bout en bout et de rapport de perte de paquets (Packet Loss Ratio) (Accettura et al. (2015)).

La solution DiSCA (Distributed Scheduling for Convergecast in Multi-channel Wireless Sensor Networks) considère deux cas de transmission : sans un accusé de réception et avec un accusé de réception immédiat (Soua et al. (2015)). À chaque itération dans cet algorithme, un noeud planifie une transmission en suivant un ensemble de règles. Chaque itération fournit un micro- ordonnancement. Cet algorithme est susceptible de s’imbriquer dans le but de réduire le nombre total de slots. Les auteurs ont comparé DiSCA à (Soua et al. (2012)) et à (Soua et al. (2016)) et les résultats obtenus montrent que DiSCA est très proche d’un ordonnancement optimal avec un nombre de messages de contrôle réduit.

Wave est un algorithme d’ordonnancement distribué pour les réseaux IEEE 802.15.4e conver- gecast (Soua et al. (2016)). Chaque nœud du réseau connaît ses nœuds conflictuels et son noeud parent. Une série d’ondes est inondée dans le réseau, dont la première est déclenchée par un message START envoyée par le coordinateur. Lorsqu’un nœud est prioritaire parmi ses nœuds

27

conflictuels (c’est-à-dire qu’il dépend du nombre de paquets dans sa file d’attente) et reçoit ce message, il s’assigne une cellule dans la vague et notifie ses nœuds conflictuels par l’envoi d’un message ASSIGN. Ce processus se répète jusqu’à ce que tous les nœuds sélectionnent des cellules. Une fois que la première vague est propagée, le coordinateur transmet un message REPEAT pour appeler une seconde vague qui améliore la première. Ce processus se répète jus- qu’à ce que tous les nœuds puissent ordonnancer tous leurs paquets qui ce trouvent dans leurs files d’attente. Les résultats des simulations faites par les auteurs démontrent que, par rapport à DiSCA, la méthode Wave réduit la longueur de l’ordonnancement (Soua et al. (2015)) et se démarque en tant qu’un algorithme d’ordonnancement distribué efficace.

Dmir et Bilgili ont suggéré un algorithme d’ordonnancement distribué divergecast appelé DIVA (Demir & Bilgili (2017)). À l’inverse de trafic convergecast, le trafic divergecast cir- cule dans toutes les directions et non pas seulement à partir des nœuds racines. Chaque nœud commence par diffuser une demande de connexion CON-REQ. S’il reçoit un paquet d’accusé de réception de connexion CON-ACK en réponse, un lien sera établi entre ces deux nœuds. Ce processus est exécuté par tous les nœuds du réseau jusqu’à ce que la longueur maximale de la slotframe soit atteinte. Cette approche a été comparée à (Tinka et al. (2010)). Malheureuse- ment, DIVA n’améliore pas Aloha, mais supporte toutes les tailles de slotframes.

1.5.3 Ordonnancement autonome

Chaque type d’ordonnancement mentionné ci-dessus a des avantages et des inconvénients. Pour une classification globale dans la revue de littérature, les auteurs placent l’approche auto- nome en tête de liste, suivie de l’approche distribuée puis de l’approche centralisée. De façon générale, l’approche centralisée révèle plusieurs faiblesses dont l’initialisation de l’ordonnan- cement, qui prend beaucoup de temps, ce qui augmente la consommation d’énergie des noeuds capteurs. Ce type de solution ne réagit pas aux changements subites du réseau. De plus, la surcharge des messages de signalisation, utilisés pour définir et maintenir l’ordonnancement, réduit la capacité du réseau et entraîne une consommation d’énergie supplémentaire. Néan- moins, l’ordonnancement centralisé est certainement sans conflit, ce qui augmente la fiabilité

28

du réseau. Toutefois, il n’est toujours pas adapté aux réseaux dynamiques à grande échelle avec des contraintes énergétiques importantes. Dans cet objectif, l’approche distribuée s’avère comme une solution très prometteuse.

Les méthodes d’ordonnancement autonomes ont démontré leur efficacité. Chaque nœud peut choisir de manière autonome son propre ordonnancement. De ce fait, il n’y a pas de surcharge de signalisation, même localement entre les nœuds voisins. Cependant, cette méthode ne per- met pas aux nœuds d’avoir l’information par rapport à la charge de trafic dans le réseau, ne lais- sant aucune possibilité d’optimiser et d’adapter l’ordonnancement selon les différentes charges de trafic.